Yapay sinir ağları, gerçekleştirilen ve gerçekleşen hareketler sırasında beyin aktivitesini çözer.

Yapay sinir ağları, gerçekleştirilen ve gerçekleşen hareketler sırasında beyin aktivitesini çözer.

Anonim

Yapay zeka, belirli görevlerde insan zekasını geride bırakmıştır. Nörobilimci özel öğretim görevlisi Dr. Tonio Ball liderliğindeki Freiburg mükemmellik topluluğundan BrainLinks-BrainTools'un birkaç grubu, bilgisayar bilimlerindeki fikirlerin beyin araştırmalarında nasıl bir devrim yaratabileceğini gösteriyor. Bilim Bülteni İnsan Beyin Haritalaması'nda, bir kendi kendine öğrenme algoritmasının, bir elektroensefalogram (EEG) ile ölçülen insan beyin sinyallerini nasıl çözdüğünü açıklarlar. Gerçekleştirilen hareketleri, aynı zamanda sadece düşünülen veya nesnelerin hayali bir rotasyonu olan el ve ayak hareketlerini içeriyordu. Algoritma zamanın herhangi bir özelliği verilmemiş olsa da, önceden belirlenmiş beyin sinyal özelliklerine göre belirli görevleri çözmek için yaratılan geleneksel sistemler kadar hızlı ve hassas bir şekilde çalışmaktadır, bu nedenle her durum için uygun değildir. İnsan ve makine arasındaki bu tür farklı kavşaklara olan talep büyüktür: Örneğin, Freiburg Üniversite Hastanesinde, epileptik nöbetlerin erken tespiti için kullanılabilir. Ayrıca ciddi felç hastaları veya otomatik nörolojik tanı için iletişim olanaklarını geliştirmek için de kullanılabilir.

Bilgisayar bilimci Robin Tibor Schirrmeister, "Yazılımımız fonetik sesler gibi çeşitli doğal sinyalleri çözmek için en yararlı olduğu kanıtlanmış beyin ilhamlı modellere dayanıyor" diyor. Araştırmacı, ekibin EEG verilerini çözmek için kullandığı yöntemleri yeniden yazmak için kullanıyor: Sözde yapay sinir ağları, BrainLinks-BrainTools'daki mevcut projenin kalbi. "Programla ilgili en önemli şey, herhangi bir özelliği önceden belirlememize gerek yok. Bilgi, doğrusal olmayan bir işlevin yardımıyla çok adımda olan, katman için işlenmiş katmandır. Sistem, belirli davranış kalıplarını tanımayı ve ayırt etmeyi öğrenir. Schirrmeister şöyle açıklıyor: " Model, insan vücudundaki sinir hücreleri arasındaki bağlantılara dayanmaktadır, burada sinapslardan gelen elektrik sinyalleri hücresel çıkıntılardan hücrenin çekirdeğine ve tekrar tekrar yönlendirilmektedir. Schirrmeister, "Teoriler on yıllardır dolaşımda bulunuyordu, ancak günümüzün bilgisayar işleme gücünün ortaya çıkmasına kadar bu modelin uygulanabilir hale gelmesine kadar değildi."

Geleneksel olarak, modelin hassasiyeti çok sayıda işleme katmanı ile gelişir. Çalışma sırasında 31 taneye kadar "Derin Öğrenme" olarak adlandırılmıştır. Şimdiye kadar, öğrenme süreci tamamlandıktan sonra ağın devresini yorumlamak sorunlu olmuştur. Tüm algoritmik süreçler arka planda gerçekleşir ve görünmezdir. Bu yüzden araştırmacılar, kod çözme kararlarını anlayabilecekleri kartlar oluşturmak için yazılımı geliştirdiler. Araştırmacılar sisteme yeni veri setlerini istedikleri zaman ekleyebilirler. "Eski yöntemden farklı olarak, şimdi EEG'nin beyinden aldığı ham sinyallere doğrudan ulaşabiliyoruz. Sistemimiz eskiden daha iyi olmasa da kesin olarak doğru" diyor baş araştırmacısı Tonio Ball, çalışmayı özetliyor araştırma katkısı. Teknolojinin potansiyeli henüz bitmedi - ekibi ile birlikte, araştırmacı gelişimini daha da sürdürmek istiyor: "Gelecek için vizyonumuz, kullanıcının beyin sinyallerine dayanan çeşitli niyetlerini güvenilir ve hızlı bir şekilde tanıyabilen kendi kendine öğrenme algoritmalarını içerir. Ek olarak, bu tür algoritmalar nörolojik tanılara yardımcı olabilir. "